典型文献
基于Mel频谱图和CNN的电网涉鸟故障鸟声识别
文献摘要：
为了提高电网渉鸟故障防治的针对性,提出了一种基于Mel频谱图和卷积神经网络(CNN)的鸟声识别方法.建立常见渉鸟故障对应的40类代表性鸟种的鸣声样本集,对鸟鸣信号进行分帧、加窗与降噪等预处理,计算每帧信号在各个Mel滤波器中的能量,根据能量大小与颜色深浅的映射关系提取鸟鸣信号的Mel频谱图.以电网涉鸟故障相关鸟种的Mel频谱图作为输入,通过CNN反复执行卷积-池化过程提取Mel频谱图特征,并进行多次迭代训练调整网络内部参数,得到最优模型用于鸟种识别.算例结果表明,40类鸟种的识别准确率达96.1％,识别效果优于其他迁移学习模型.文中研究结果可为输电线路运维人员正确识别相关鸟种、开展渉鸟故障差异化防治提供参考.
文献关键词：
输电线路;涉鸟故障;鸟种识别;Mel频谱图;降噪;卷积神经网络
中图分类号：
作者姓名：
邱志斌;卢祖文;王海祥;况燕军
作者机构：
南昌大学 能源与电气工程系, 江西 南昌330031;国网江西省电力有限公司 电力科学研究院, 江西 南昌330096
文献出处：
引用格式：
[1]邱志斌;卢祖文;王海祥;况燕军-.基于Mel频谱图和CNN的电网涉鸟故障鸟声识别)[J].华南理工大学学报（自然科学版）,2022(02):129-136
A类：
鸟种识别
B类：
Mel,频谱图,涉鸟故障,鸟声识别,故障防治,鸣声,样本集,鸟鸣,分帧,加窗,降噪,滤波器,色深,深浅,映射关系,关系提取,故障相关,行卷,池化,多次迭代,迭代训练,最优模型,识别准确率,迁移学习,中研,输电线路运维
AB值：
0.311124
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
